Agentset
开源 RAG 平台，提供内置引用、深度研究、多格式文件支持、MCP 服务器等功能。
证据显示仓库是开源的RAG平台，但未提供权限管理、用户确认、数据流透明性、敏感数据处理、依赖安全、外部影响、回滚或来源归属的具体实现。因此所有信任标准得分为0。
测试文件显示对系统提示词解析和Pinecone过滤器翻译有详细测试，表明内部一致性较好。但依赖可用性仅通过package.json中的依赖声明，未验证实际可用性。失败消息未在文档中明确说明。
README描述了多种使用场景（云服务、自托管、本地开发），但能力边界未明确。触发精度未详细说明。环境适配方面，提供了Node.js和Bun的要求，但未覆盖所有环境。
信息架构清晰，有README、文档链接、贡献指南。安装说明提供了快速开始步骤。命名稳定性未明确。示例和FAQ较少。已知限制未提及。许可证为MIT，但版本变更日志未详细。维护责任未明确。
输出可用性方面，提供了API和SDK，但未验证实际输出。边际价值方面，功能丰富，但成本效益未评估。
声明可追溯性方面，README中的功能声明未与代码直接对应。跨来源验证不足。事实与推断分离未明确。
- 未验证权限管理和数据安全措施，自托管时需自行评估。
- 依赖安全未审计，建议使用前进行安全扫描。
- 文档未提及已知限制，可能隐藏潜在问题。
这个 Agent 能做什么，适合哪些场景？
Agentset 是一个开源平台，用于构建、评估和部署生产级的 RAG 与智能体应用。它提供从数据摄取、向量索引、评估基准到聊天界面和托管的一体化工具。平台支持多种 LLM、嵌入模型和向量数据库，具有模型无关性。内置多租户支持，并提供 API 和类型化 SDK。技术栈基于 TypeScript、Next.js、AI SDK、Prisma、Supabase 和 Trigger.dev。
Agentset 提供端到端的 RAG 工具链：数据摄取、分块、嵌入和检索。它支持多种文件格式（22+），并提供聊天实验环境，支持消息编辑和引用。它提供生产托管，包括预览链接和自定义域名。通过 API 和类型化 SDK（基于 OpenAPI 规范）进行交互。支持内置多租户。管理端使用 Prisma 进行数据库操作，运行在 Next.js 上，并利用 Trigger.dev 处理后台任务。
- 开发人员希望快速构建 RAG 原型并部署到云端，无需自己搭建基础设施。
- 团队需要为文档库提供带引用的聊天界面，并希望使用自定义的 LLM 和向量数据库。
- 需要为多个客户提供多租户 RAG 服务的 SaaS 提供商。
- 希望将 RAG 功能集成到现有应用中的开发者，可以使用提供的 API 和 SDK。
- 组织希望自托管 RAG 平台以控制数据，并遵循文档指南进行部署。
这个 Agent 有哪些优点和局限？
- 模型无关：支持多种 LLM、嵌入和向量数据库。
- 内置引用和深度研究功能，提高可解释性。
- 提供托管和自托管两种部署方式，灵活性强。
- 支持多租户，适合 SaaS 场景。
- 提供类型化 SDK 和 OpenAPI 规范。
- 依赖特定技术栈：Next.js、Prisma、Supabase、Trigger.dev，需要相应知识。
- 自托管需要自己管理数据库和基础设施。
- 文档可能未完整覆盖所有配置选项。
- 需要 Bun 作为包管理器，可能增加学习成本。
如何安装或部署这个 Agent？
本地开发：
1) cp .env.example .env 并填写所需值。
2) bun install 安装依赖。
3) 运行 bun db:deploy 执行数据库迁移。
4) 使用 bun dev:web 启动应用。
也可使用 Agentset Cloud 快速开始，无需自托管。
如何使用这个 Agent？
- 配置环境变量。
- 运行数据库迁移后启动 web 应用。
- 在聊天实验环境中配置 LLM、嵌入模型和向量数据库。
- 摄取文档，使用检索和引用功能。
- 使用 API 或 SDK 集成到你的应用中。
可用脚本：bun db:studio 打开 Prisma Studio，bun dev:web 运行 web 应用。